MétaCan
Menu
Retour à la cohorte
Enregistrement W4044616

Perbedaan Asupan Energi Protein, Frekuensi Jajan di Sekolah dan Status Gizi antara Anak Sekolah Dasar Penerima dan Bukan Penerima Program Makanan Tambahan Anak Sekolah

2011· dissertation· en· W4044616 sur OpenAlexvenueno aff
Dian Mayasari

Notice bibliographique

RevueJournal of the Canadian Association of Radiologists · 2011
Typedissertation
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Latar Belakang : Anak sekolah dasar merupakan kelompok rawan gizi yang rentan mengalami masalah gizi, yang dapat berdampak pada status gizi anak. Tujuan dilaksanakan Program Makanan Tambahan Anak Sekolah (PMT-AS) adalah untuk meningkatkan status gizi melalui pemberian makanan tambahan. Penelitian ini bertujuan untuk mengetahui perbedaan tingkat asupan energi protein, frekuensi jajan di sekolah, dan status gizi antara anak sekolah dasar penerima dan bukan penerima PMT-AS. Metode : Penelitian ini merupakan penelitian cross sectional. Subjek penelitian adalah murid kelas IV dan V SD Gabahan dan SD Kembangsari 01 yang diambil secara cluster sampling, besar sampel adalah 110 orang yang dibagi dalam 2 kelompok. Status gizi diukur menggunakan metode antropometri. Asupan makan dan frekuensi jajan diperoleh dengan metode wawancara dan food recall 3×24 jam. Analisis statistik yang digunakan adalah Independent sample t-test, Mann Whitney test, dan Wilcoxon. Hasil : : Pada kelompok penerima PMT–AS memiliki rerata yang lebih tinggi pada asupan energi dan status gizi. Frekuensi jajan kelompok bukan penerima PMT–AS memiliki rerata yang lebih tinggi. Simpulan : Asupan energi protein dan status gizi antara penerima dan bukan penerima PMT-AS tidak berbeda. Perbedaan antara penerima dan bukan penerima PMT-AS ditemukan pada frekuensi jajan di sekolah.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,287
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association of RadiologistsMême sujetPublic Health and NutritionTravaux en français237 207